Who Broke Amazon Mechanical Turk?: An Analysis of Crowdsourcing Data Quality over Time
Who Broke Amazon Mechanical Turk?: An Analysis of Crowdsourcing Data Quality over Time
复制标题
谁破坏了 Amazon Mechanical Turk？：随时间变化的众包数据质量分析
DOI：
10.1145/3578503.3583622
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Shipman, Frank M.
中科院分区：
文献类型：
--
作者：
Marshall, Catherine C.;Goguladinne, Partha S.R.;Maheshwari, Mudit;Sathe, Apoorva;Shipman, Frank M.
我们提出了2022年6月进行的一项调查的结果，作为研究亚马逊土耳其机器人最近数据可靠性问题的视角。我们将此次调查的糟糕数据与2013年10月、2018年4月和2019年2月在美国工人中进行的相同调查的糟糕数据进行了对比。应用既定的数据清理方案表明，不可用数据已从2013年的略高于2%上升到2022年的近90%。通过对症诊断，我们将数据可靠性的下降不是归因于恶意工作的增加，而是归因于英语熟练程度的连续性。通过对员工对开放式问题的回答进行定性分析，我们可以区分低流利度员工、超低流利度员工、满足者和不诚实的员工。我们继续展示新的低流利度工作对李克特量表数据和研究的定性结果的影响。注意检查在确定应该丢弃的调查回答方面显示出比以前有效得多。
We present the results of a survey fielded in June of 2022 as a lens to examine recent data reliability issues on Amazon Mechanical Turk. We contrast bad data from this survey with bad data from the same survey fielded among US workers in October 2013, April 2018, and February 2019. Application of an established data cleaning scheme reveals that unusable data has risen from a little over 2% in 2013 to almost 90% in 2022. Through symptomatic diagnosis, we attribute the data reliability drop not to an increase in bad faith work, but rather to a continuum of English proficiency levels. A qualitative analysis of workers’ responses to open-ended questions allows us to distinguish between low fluency workers, ultra-low fluency workers, satisficers, and bad faith workers. We go on to show the effects of the new low fluency work on Likert scale data and on the study's qualitative results. Attention checks are shown to be much less effective than they once were at identifying survey responses that should be discarded.
登录
查看更多内容
众包质量问题：亚马逊 Mechanical Turk 的检验
DOI：
10.1145/3537674.3555783
发表时间：
2022
期刊：
Proceedings of the 23rd Annual Conference on Information Technology Education
影响因子：
--
作者：
M. Dupuis;K. Renaud;R. Searle
通讯作者：
R. Searle
影响因子：
7
作者：
Meade, Adam W.;Craig, S. Bartholomew
通讯作者：
Craig, S. Bartholomew
收集在线调查数据：商业样本组数据质量比较
DOI：
10.29115/sp-2020-0015
发表时间：
2020
期刊：
Survey Practice
影响因子：
--
作者：
Bingbing Zhang;Sherice Gearhart
通讯作者：
Sherice Gearhart
谁拥有社交网络？
影响因子：
22.7
作者：
C. Marshall;F. Shipman
通讯作者：
F. Shipman
影响因子：
2.7
作者：
Hamby, Tyler;Taylor, Wyn
通讯作者：
Taylor, Wyn